Perbandingan Kinerja Single dan Multiple Feature pada Sistem Temu Kembali Citra Tumbuhan Menggunakan Ensemble Multinomial Logistic Regression.
View/ Open
Date
2016Author
Trisaputra, Yuandri
Herdiyeni, Yeni
Adisantoso, Julio
Metadata
Show full item recordAbstract
Daun tumbuhan dapat diidentifikasi menggunakan fitur yang berbeda. Hal ini
penting untuk memilih fitur yang optimal untuk melakukan identifikasi. Penelitian
ini menganalisis kinerja single feature dan multiple feature menggunakan
klasifikasi multinomial logistic regression. Hasil klasifikasi tersebut digunakan
untuk seleksi fitur. Penelitian ini menggunakan 66 spesies tanaman dengan 660
citra. fuzzy local binarypPattern digunakan untuk mengekstrak fitur tekstur dan
global shape descriptor digunakan untuk mengekstrak fitur geometri. Similaritybased
combination method digunakan untuk menggabungkan fitur sebagai
ensemble classifier. Berdasarkan percobaan ditemukan bahwa beberapa citra daun
dapat diidentifikasi berdasarkan fitur tekstur dan citra lainnya dapat diidentifikasi
berdasarkan fitur geometri. Hasil penelitian menunjukkan bahwa penerapan fitur
tekstur memiliki kinerja lebih baik dibandingkan dengan fitur geometri dengan ratarata
precision sebesar 0.84. Sementara itu, single feature memiliki kinerja yang
lebih baik daripada multiple feature. Rata-rata precision dari multiple feature adalah
0.69.
Collections
- UT - Computer Science [2322]